基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法

针对水梁印识别困难且工作量大问题,提出一种基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法.该算法在降噪自编码器(Denoising auto-encoder, DAE)的基础上对编码层的每一层添加随机噪声,在隐藏层后添加分类层,并对数据添加伪标签,在解码的同时进行分类训练,使得DAE具有半监督学习能力.通过提取热轧带钢粗轧出口温度数据中的温差特征,用相应特征对模型进行训练.实验结果表明,算法能够准确识别出带钢的水梁印,在模型精确度上,与主流分类识别模型对比,提出的模型在带标签样本数量较小时,分类精度相比其他模型高5.0%~10.0%;在带标签样本数量较大时,提出的模型分类精度达到93.8%,现场能够根据模型的识别结果提高生产效率.

加热炉水梁黑印模拟研究

针对某钢厂热轧加热炉水梁垫块,利用Solidworks三维建模软件建立水梁垫块物理模型,并利用CFD软件对其进行传热分析,得到垫块高度、锚固钉、耐材厚度等对垫块顶部温度及水梁散热的影响,为解决水梁"黑印"提供设计依据。

钢坯加热温度不均的原因分析及改善措施

钢坯在轧制前加热温度均匀性的好坏直接影响轧线产品的质量以及产能的发挥,加热温度均匀性的好坏对带钢的厚度精度、凸度精度及宽度精度等质量指标起到决定性作用。如钢坯出炉后沿长度方向温度不均匀,头尾温差较大,水管黑印严重,就会导致后续轧制过程中轧机的压下量变化波动较大,引起成品厚度的波动,厚度精度降低。通过对影响加热炉钢坯出炉温度均匀性的部分因素进行分析,通过疏通燃烧介质通道避免炉子两侧燃烧介质偏流造成的钢坯两侧温差过大;新增步踏步功能,改善钢坯水管黑印,提高电偶温度检测准确性等措施。结果表明,改善措施可有效提高热轧加热炉钢坯加热温度均匀性,为轧线高效稳定运行创造有利条件。